/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
29 июл 2026

lilac

Обработка аудиоАудио → аудио

LILAC — свёрточный нейрокодек для сжатия и восстановления речи 24 кГц с битрейтом 0,75 кбит/с и точным повторным кодированием токенов.

0скачиваний за 30 дней0лайковвеса обновлены29 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

LILAC — нейрокодек речи, разработанный анонимной командой и представленный как копия для рецензирования заявки на AAAI-27. Он сжимает речь с частотой дискретизации 24 кГц до 0,75 кбит/с и предназначен для кодирования и последующего восстановления речевого сигнала. Архитектура состоит из свёрточных блоков, обратимого аналитического преобразования, конечного скалярного квантования и сети заполнения отброшенных координат; контрольная точка содержит 58,5 млн параметров.

Ключевая особенность — идемпотентность: повторное кодирование восстановленного сигнала точно воспроизводит исходную последовательность токенов. В README приведены результаты оценки на LibriSpeech test-clean и LibriTTS-R test, которые не входили в обучающие данные. Обучение проводилось на англоязычном корпусе HiFiTTS-2; лицензия репозитория — Apache-2.0. Для запуска требуется сопутствующий код из репозитория, ссылка на который упоминается в карточке.

Сценарии применения

  • сжатие речевых записей при ограниченном битрейте
  • восстановление речи после передачи через узкополосный канал
  • хранение голосовых записей с низкими требованиями к объёму
  • проверка устойчивости кодеков к повторным циклам декодирования и кодирования

Ограничения

Модель описана для речи с частотой дискретизации 24 кГц; показатели качества приведены для двух англоязычных тестовых корпусов. Для использования требуется сопутствующий код из отдельного репозитория.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LILAC: An Idempotent Neural Speech Codec (0.75 kb/s)

Anonymous review copy — AAAI-27 submission.

LILAC is a neural speech codec for 24 kHz speech at 0.75 kb/s (9.375 Hz frame rate, 20 FSQ coordinates × 4 bits per frame) that is idempotent by construction: re-encoding its own decoded output reproduces the token stream exactly — encode(decode(codes)) == codes — for any number of decode/re-encode cycles. Quality, intelligibility, and downstream metrics are therefore invariant under repeated cycles, where comparison codecs degrade.

The codec is convolution-only: an invertible analysis chart (orthogonal 1×1 mixes + additive couplings), finite scalar quantization on a selected coordinate subset, a deterministic fill network for the discarded coordinates, and an invertible anti-imaging stem acting on the five waveform phases.

Files

  • lilac_swa10.pt — the shipping checkpoint (58.5 M generator parameters, stochastic weight averaging over the final ten 1k-spaced training checkpoints).

Usage

With the companion code repository (see the paper's code link):

uv run python infer.py --checkpoint lilac_swa10.pt \
    --input in.wav --output out.wav
# idempotence demo: 100 decode->re-encode cycles, codes bit-exact
uv run python infer.py --checkpoint lilac_swa10.pt \
    --input in.wav --output out100.wav --cycles 100

Input is resampled to 24 kHz mono; output is 24 kHz PCM16.

Evaluation (full test splits, matched-rate comparison in the paper)

CorpusUTMOS ↑dWER ↓PESQ ↑STOI ↑
LibriSpeech test-clean (out-of-domain)4.140.1012.600.935
LibriTTS-R test (out-of-domain)4.240.0862.600.944

Token agreement across 100 decode/re-encode cycles: 1.000 (bit-exact).

Training data

Trained on the 44.1 kHz subset of HiFiTTS-2 (LibriVox-derived, ~31,700 h, 4,629 speakers), resampled to 24 kHz. LibriSpeech and LibriTTS(-R) readers are excluded by ID filter; evaluation corpora are out-of-domain.

License

Apache-2.0. Copyright 2026 LILAC authors.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Обработка «аудио → аудио» пока не поддерживается.

Ревизия весов
96351d0

0 моделей